Sep, 2023
大肠三维形状细化：基于点扩散模型的数字幻影生成
Large Intestine 3D Shape Refinement Using Point Diffusion Models for Digital Phantom Generation
Kaouther Mouheb, Mobina Ghojogh Nejad, Lavsen Dahal, Ehsan Samei, W. Paul Segars...
TL;DR准确建模人体器官在构建计算仿像试验中起着关键作用，但对人体内许多结构进行 CT 扫描生成解剖合理的器官表面重建依然具有挑战性。本研究利用几何深度学习和去噪扩散概率模型的最新进展来改进大肠的分割结果，通过将器官表示为从 3D 分割掩模表面采样的点云，然后使用分层变分自动编码器获得器官形状的全局和局部潜在表示，通过在分层潜在空间中训练两个条件去噪扩散模型来进行形状细化。通过使用先进的表面重建模型，我们可以从获取的完整点云生成平滑的网格，实验结果表明了我们方法捕捉到器官形状的全局分布和细节的有效性。与初始分割相比，我们的完整细化流程在表面表示方面展示出显著的提升，Chamfer 距离减少了 70％，Hausdorff 距离减少了 32％，Earth Mover 距离减少了 6％。通过结合几何深度学习、去噪扩散模型和先进的表面重建技术，我们提出的方法为准确建模大肠表面提供了有希望的解决方案，也可以轻松扩展到其他解剖结构。